Продукт

OpenAI рассказали, как работают их forward deployed engineers. Команду собрали в начале 2025, чтобы закрывать "deployment gap" – разрыв между тем, что модель вроде бы умеет, и тем, на что люди реально могут опереться в работе. Девиз команды был: начни с результата, сделай все, чтобы получилось, а масштабируй потом. И это кстати реально текущая работа. Мне кажется все вендоры говорят: модели уже супер-умные, а вот внедрений по всем вертикалям не хватает. По сути сейчас сжигают токены в основном стартапы за чужой счет :) Короче, рассказали о нескольких юзкейсах: – Инжиниринг полупроводников, середина 2025: около 15 FDE на 10+ юзкейсов – генерация тестов, поиск причин сбоев, ассистент по архитектуре. Верификация в отрасли съедает около 70% усилий проекта. Часть FDE пришла в OpenAI за несколько дней до этого и в чипах не понимала ничего – сидели с инженерами заказчика, учили предметную область, вместе строили метрики. За 3–6 месяцев все юзкейсы дошли до прода: около 48% экономии времени на генерации тестов, медианно 22% прироста производительности на оптимизации ядер, недели отладки превратились в часы. – Потом подрос Codex, и все юзкейсы перевели на общую обвязку с Codex в центре: кастомные приложения стали плагинами и скиллами, свои CLI и интерфейсы выкинули. Ушло около 90% кастомного кода в каждом проекте. Первое внедрение в одном кейсе заняло 2 месяца, расширение на вторую команду – 1 день. – Налоговый AI для бухгалтерских фирм Thrive Holdings: в пилоте обработали 7 000 деклараций, пропускная способность выросла примерно на 50%. Самые сложные – декларации по сдаче недвижимости: 6 недель инженерии и проверок практиками, чтобы выйти на 90% precision и recall. Хах, заполнение декларации я тооа не всякие красивые фичи) – Голос для телекома: голос – около 90% обращений в поддержку. Модель выдавала около 60% на ключевых evals, для прода мало. Подключили Research, за 6 месяцев довели до 80%, потом 90%+. Эта голосовая модель теперь работает и у других клиентов. Прикол, что их критерий успеха – делать себя ненужными каждые пару месяцев. Когда вышел Codex, кто-то в команде спросил, что делать, если он за раз собирает то, что они строили месяцами. Ответ – идти искать задачу посложнее. И это как раз ответ для разработчиков, которые думают, что все пропало. Короче, главный вывод для интеграторов: кастомный код – временный, через полгода его заменит платформа. Долговечный актив – это знание предметной области, датасеты, метрики вместе с экспертами клиента и понимание, где модель не вытягивает. И обратите внимание: OpenAI тоже ушли от мультиагентной архитектуры к одному агенту со скиллами, ровно как советует Anthropic в предыдущем посте. https://openai.com/index/forward-deployed-engineering-means

Игры в Snapchat на PlayCanvas Snapchat открыл Web Lenses: веб-игру можно упаковать в архив и опубликовать как Lens, без установки и магазина. Snap рекомендует PlayCanvas как основной движок. То есть, можно работать с 2D, 3D, WebGPU и сплатами • Экспорт из PlayCanvas в zip и загрузка через My Lenses • Запуск сразу в приложении, по имени или Snapcode • Таблицы лидеров, Bitmoji и сохранения через API • Работают 2D, 3D, WebGPU и гауссовы сплаты • Сборка агентом через MCP или генерация в Easy Lens по промпту • Архив до 8 МБ, index.html до 1 МБ • Портретный экран 9:16, iOS и Android • WebAssembly с потоками, воркеры и eval разрешены • Сеть, камера, микрофон и датчики движения закрыты • Пока бета, правила могут поменяться developers.snap.com/web-lenses/home #gamedev #news #gaussian MAX

OBS Studio 33 получила NVENC на Arm64 С выходом OBS Studio 33.0.0 23 октября стримеры на Windows on Arm перестали быть людьми второго сорта: в сборке для Arm64 наконец включили аппаратный кодировщик NVIDIA NVENC. До этого нативная версия для ARM существовала, но без аппаратного ускорения — приходилось либо мириться с программным кодированием, либо запускать x64-сборку через эмуляцию Prism. Теперь владельцы ноутбуков на RTX Spark могут получить более высокую производительность и снижение нагрузки на железо. Также за последний месяц нативные ARM-сборки для RTX Spark получили Adobe Photoshop, Premiere и Substance в статусе беты (это прога для работы с 3D от адоби), Blender 5.3 в daily-альфе и ComfyUI с отдельной ARM64-установкой. Несмотря на заявление разработчиков о релизе OBS 33 (которое было сделано полчаса назад на официальном форуме), пока на сайте проекта висит предложение скачать лишь версию 32.

Krea добралась до Adobe Premiere Похоже, кто-то послушал нейродеда и стал выпускать плагины и интеграции с профессиональными софтами, имеющими огромную юзербазу.  Krea бахнула интеграцию с Premiere Pro. Теперь генерировать нейрослоп можно прямо в монтажке, без этих постоянных переключений между браузером и софтом. Что как бы умеет Krea for Premiere Pro: • Генерировать новые видеопланы (shots) с помощью моделей (каких неясно) с Krea. • Создавать недостающие перебивки и дополнительные кадры. • Генерировать фоны и видеоподложки (plates) для композа. • Экспериментировать с визуальными стилями и атмосферой сцен прямо в софте. • Вонзать сгенерированные материалы непосредственно на таймлайн Premiere Pro. Плагин доступен для Windows и macOS. Но Premiere Pro - далеко не первая интеграция Krea. Она уже предлагает целый набор плагинов: Photoshop - генерация и редактирование изображений, замена фона, изменение освещения, создание рекламных мокапов, работа с Realtime Canvas. Результаты добавляются обычными слоями. After Effects - генерация фонов, текстур, исходных изображений и визуальных концепций для моушн-дизайна. Поддерживается Realtime для быстрого поиска композиции и стиля. Illustrator - генерация иллюстраций и логотипов, преобразование изображений в редактируемые векторные контуры через Image Trace. Krea Agent может создавать фигуры, работать с текстом и организовывать слои. DaVinci Resolve - создание кинематографических кадров, фоновых материалов, перебивок и референсов для цветокоррекции. Есть Realtime-превью визуальных стилей. Пока только macOS и платная версия Resolve Studio. Blender - генерация текстур, работа с освещением и рендеринг 3D-сцен с использованием моделей Krea прямо из 3D Viewport. Важный момент: генерация выполняется в облаке Krea, а не локально. Для работы нужны (о боги) интернет и аккаунт Krea. Доступные модели и лимиты зависят от тарифа. Наконец-то, Krea делает ставку не только на собственный зумерский веб-интерфейс, но и на интеграцию генеративного ИИ в привычные профессиональные инструменты. Но тут я добавлю пессимизьма и сошлюсь на сегодняшний утренний репорт.  Все такие интеграции должны делаться производителями софта. И DaVinci в этом смысле делает очень правильные шаги. И я не очень понимаю, почему молчит Адобченко. Наверное, у них до сих пор не хватает духу признать, что их собственные модели полное говно.  Тем не менее производители профессиональных софтов просто должны пачками выпускать такие плагины и использовать собственный биллинг для оплаты генераций. И все эти многочисленные посредники типа Creo и Runway в этой цепочке должны просто вымереть.  Ссылки: Premiere Pro: https://www.krea.ai/plugins/premiere-pro Полный каталог плагинов: https://www.krea.ai/plugins Подробности о Photoshop: https://www.krea.ai/blog/krea-photoshop-plugin DaVinci Resolve: https://www.krea.ai/blog/krea-davinci-resolve-plugin Illustrator: https://www.krea.ai/blog/krea-illustrator-plugin @cgevent

Компания “СиЭс Технологии”, которая разрабатывает платформу “Стаксель” для управления жизненным циклом инженерного продукта [PLM], привлекла 50 млн рублей от холдинга промышленного ПО “Экспанта” в обмен на 25%.  “СиЭс Технологии” была основана в 2013 году бывшим топ-менеджером машиностроительной компании “Тяжмаш” Владимиром Скороходом. Согласно данным с сайта фирмы, ее основной деятельностью является разработка, внедрение и кастомизация отечественных и зарубежных программных решений, направленных на управление жизненным циклом инженерных проектов. Например, платформа “Стаксель” собирает в одном месте инженерные данные - документацию и описания процессов, позволяя совместно работать над изделиями. Среди клиентов “СиЭс Технологии”, по собственным данным, - “Росатом”, конструкторское бюро “Ладуга”, машиностроительный “Трансмашхолдинг” и др. Как пишет Forbes, половина привлеченных от “Экспанты” средств будет направлена на развитие существующего решения и запуск ИИ-агентов “Шкипер” - они будут помогать с поиском деталей, анализом процессов работы, проверкой документации и пр. Вторую часть денег получит Владимир Скороход. По условиям сделки “Экспанта” может купить еще 25% компании в течение четырех лет.  Согласно данным сервиса проверки контрагентов Rusprofile, 75% в ООО “Сиэс Технологии” принадлежит Владимиру Скороходу. 25% владеет ООО “Экспанта”. В 2025 году выручка разработчика достигла 148 млн рублей, чистая прибыль - 19 млн рублей.  @rusven

artCraft навели много шума со своим стеком open source клонов популярных (и сложных) платных продуктов. Навайбкодили клон Adobe Photoshop который уже набрал 74к звезд на гитхабе. Конечно, возникло много скептицизма от людей, которые сказали, что это работать не будет, потому что такое не может работать никогда. Этих людей осуждать не будем - мы видим новые явления в сфере разработки продуктов прямо сейчас, не все могут принять, что многое, что раньше не работало, теперь работает. Я PhotoCraft попробовал. Факт №1: PhotoCraft работает сносно. Весит 80 мегабайт. Восемьдесят. Запускается на моем макбуке моментально. Глубоко не копал, но шорткаты фотошопа у меня навсегда зашиты в спинной мозг, и это до сих пор большой кайф и комфорт по сравнению с фигмами новомодными (фигма, если что, крута, со всеми своими преимуществами, но рефлексы наработанные профессиональным использованием продукта не обманешь - на мелкие картинки я всегда в фигме трачу много времени, ведь я не провожу за этим инструментом по 40 часов в неделю). Лет 7-8, если не соврать, я уже не пользуюсь фотошопом, да и вообще не произвожу на свет растр или вектор за денежку, а тут - как будто попал в домашние тапочки. Факт №2: темп разработки на гитхабе - не замедляется. Это не тот обычный случай, когда чувак быстренько навайкодил и бросил реп на произвол судьбы. Оно обновляется и улучшается каждый день. AI агенты уже не дети, и позволяют держать постоянный темп разработки настоящего, сложного продукта. Пользователи поставляют github issues. Агенты их проверяют, и если воспроизводят баг - пробуют починить. Кожаный мейнтейнер включается иногда в сложных случаях, от него не требуется теперь тратить всю свою жизнь на поддержку продукта. Это вполне себе самоподдерживающаяся система, пока есть токены. И самое главное. Факт №3: MCP протокол, встроенный в ДНК десктопного программного продукта - это штука, которая заставит глотать пыль старых, традиционных игроков, которые еще не осознали ситуацию до конца. Агенты должны уметь нативно и эффективно управлять инструментом, но дать человеку подхватить работу и покрутить результат. Живой пример - мне нужно было нарисовать og:image для SaaS (картинку для соцсетей), с минимальным моим вовлечением, с помощью агента, НО я хотел рулить промежуточным этапом - на уровне: подвигать в макете строку текста выше и ниже, быстро отредактировать текст, покрутить цветовой слайдер тут и там - грубо говоря, 80% работы в макете сделал агент, но я, человек, в нужный момент перехватил управление на себя, отредактировал в нужных местах в удобном мне интерфейсе, и отдал штурвал. "Штурвал" в данном случае - интерфейс не текстовый, а человеческий - кнопочки, слайдеры, визуал. Так вот, если до этого мне приходилось командовать Opus 5.5 в Claude Code на уровне "а давай вот тут еще пиксель поменяем" - а это подход очень идиотский, правда - то теперь в photocraft я сначала просто промчу текстом клода там где надо сделать заготовку, но потом использую нормальные, человеческие способы сделать из этой вполне шаблонной фигни конфетку.

State of Product 2027 Всем кто «запутался» — читать отчет от Atlassian среди 1000 продактов Ключевые поинты: 1️⃣ 80% PM говорят, что AI помогает шипить быстрее, но клиенты не получают ценность раньше. 2️⃣ 61% отмечают рост тех.долга от AI, при этом мало команд выделяют время на его погашение. 3️⃣ 67% согласны, что сложно чётко определить свою роль — границы с Engineering и Design размылись 4️⃣ 76% обеспокоены тем, что их продукт не добьется успеха на рынке 5️⃣ 89% обеспокоены конкуренцией со стороны компаний, изначально разрабатывающих ИИ 6️⃣ 99% продуктовых команд полностью интегрировали ИИ хотя бы в один рабочий процесс, а 96% утверждают, что как минимум в одной области он работает на уровне человека или лучше. 7️⃣ 77% считают что интуиция руководителей регулярно перевешивает данные 8️⃣ 33% продакт-менеджеров используют ИИ для приоритизации 9️⃣ 82% говорят, что участники команд регулярно создают с помощью ИИ работу низкого качества, не прикладывая особых усилий, а затем дорабатывают её по обратной связи. Примерно 50% тратят время на проверку результатов работы агентов и на то, чтобы удерживать их в рамках задачи === classic 🚬

Виртуальные сотрудники: мой опыт с Boxerbook Я уже писал про свой хобби-проект Boxerbook. Это открытый каталог профессионального бокса: все бои с источниками, рейтинги, прогнозы, сайт на четырёх языках. Много вводных дал мой тренер Тимур, Сергей Булаев рассказал, как строить медиа, а дальше мы вместе с Claude накидываем задачи в Telegram, и всю работу команды делают агенты. Я прикинул, кого бы пришлось нанять, если бы всё это делала обычная команда. Инженер данных. Разобрал протоколы боксёрских комиссий четырёх стран. Собрал таблицу судей на 175 тысяч записей, данные о 50 тысячах нокдаунов и каталог из 4 600 полных видео боёв с официальных каналов, привёл всё к одному формату и разложил по реляционной базе. Аналитик. Построил модель прогноза и Fight X-ray, наш разбор боя по видео: AI распознаёт позы боксёров, а алгоритм считает темп, давление, защиту и движение по раундам. По видео стабильно измеряется стиль, а победителя пока не угадать, зато получается подробный профиль боксёра. Около тысячи боёв он прогнал на локальных GPU. Исследователь. Прочитал 47 научных работ и книги лучших тренеров, вывел 40 гипотез и проверил их на наших данных. Дизайнер и редактор. В Telegram-чате написали, что на карточке боя слишком много информации, и за вечер он переделал страницу боя на всех четырёх языках. Теперь сверху то, что интересно человеку: кто победил, как именно и в чём у соперников самый большой разрыв. Ниже лежат все данные боя для поисковиков и AI-ассистентов. Контролёр качества. Когда агенты готовили пример для этого поста, они заметили, что одному боксёру из-за совпадения имени приписали девять чужих боёв. Ошибку доказали по датам и протоколам, исправили и закрыли дыру, через которую она попала в базу. Маркетолог. Нашёл контакты боксёрских ассоциаций и тематических журналов, списался с ними, подобрал выгодные размещения и написал статьи, одна уже вышла. Получается 6–10 вакансий, которые в обычной компании я бы открыл, а здесь не пришлось. Агенты уже умеют долго и самостоятельно работать над задачей. Решения, деньги, доверие, отношения и креатив пока остаются на людях. Ещё мы с Сергеем обсуждали, чем нам могут помочь потребительские агенты вроде Muse, Duet, Dots и бота Grok. Пока не придумали, но записали в список того, что надо изучить. Claude Code вместе с Codex Claude ведёт проект: разбивает задачу на части, раздаёт их субагентам и проверяет каждый шаг. Codex получает те же данные и отдельное задание: найти то, что мы пропустили. Сегодня Codex на проверке нашёл, что прогноз, посчитанный уже после боя, мог попасть на страницу как прогноз «до боя». Исправили это в самом источнике ещё до выкладки. Код узким местом быть перестал, теперь всё упирается в решения по длинному списку вопросов: что считать, что публиковать, а что нет, где размещать статьи, какие критерии и гипотезы развивать. Уже можно посмотреть: • Бой с разбором по видео, Хейни против Рамиреса • Новая страница боя, Наваррете против Фостера Данные открыты, для агентов есть API и MCP: https://github.com/mvtk1978/boxerbook-mcp @maxvotek | linkedin | substack

Анонсирован минималистичный смартфон без сервисов Google, но с QWERTY-клавиатурой — Brax Wink. Девайс работает на открытой версии Android без Google Play. По заверениям разработчиков, BraxOS не собирает о пользователях никакие данные, ничего не рекламирует и будет получать обновления безопасности до 2032 года. Из параноидальных функций, поддерживается фейковый "тревожный" пароль для принудительного сброса до заводских настроек, если устройство у вас вырвали и требуют пароль, сквозное шифрование для пользователей Brax-устройств, ограничение звонков и СМС, а также точечное отключение датчиков. Предзаказы за $450 уже начались, а дальше цена станет еще выше и достигнет $700. За эти деньги покупатели получат: • Простенький чип MediaTek MT8875; • 8/128 ГБ памяти, но с поддержкрй microSD до 1ТБ; • Тканевой язычок, чтобы быстро менять симку без скрепки; • 4-дюймовый OLED-экран; • Основную камеру на 50 Мп, фронталка отсутствует (вероятно, в целях приватности).

Понты по подписке? Не сливать данные по подписке! В американских сторах сейчас хайпит приложение Wheelz - что-то вроде Strava, но не для бегунов, а для водил. Юзер ставит аппку, подключает к ней CarPlay, и дальше она сама пишет каждую поездку: маршрут, среднюю скорость, топ-скорость, разгон 0-60, перегрузки и всё такое. А потом показывает рейтинг - где вы среди других мамкиных гонщиков. По идее это классический социальный трекер: катаетесь, сравниваете стату с друзьями, все дела. Сам трекинг по классике бесплатный, а за пейволом ($5/мес или $40/год) - красивые карточки с результатами, которые можно постить в соцсетях. И ещё некая "углублённая статистика поездок", но кому это интересно вообще. То есть, платят тут не за данные или работу с ними, а за право ими выпендриться. Это ровно тот же трюк, который Strava провернула в 2020-м, спрятав сегментные лидерборды за подписку: бегать можно бесплатно, а вот узнать, что бегаете быстрее соседа - уже за денежки. Кейс Strava я разбирал тут. Но есть НЮАНСИК. Strava продаёт реальное "хорошее" достижение: пробежал десятку - красаучик молодец. А чем может хвастаться водитель? Ну, скоростью и разгоном. То есть, как бэ... приложуха монетизируется через задокументированные нарушения ПДД. И вот тут сидит главный прикол. В ответах на отзывы разработчик пишет буквально следующее: "Мы не продаём ваши данные - поэтому у нас и есть платный Pro, в отличие от бесплатных аппок, которые ваши данные сливают всем подряд". И это не просто маркетинговый булшит. В 2024 NYT раскопала, что General Motors через OnStar (это их сервис телематики в Шевроле, Кадиллаках и GMC) собирала с машин данные вождения, включая резкие торможения, разгоны, скорость за 130 км/ч, ночные поездки и т.д. - и продавала их LexisNexis и Verisk. Это дата-брокеры, что-то вроде бюро кредитных историй, только не про историю платежей, а про риски вообще - они пакуют такое в досье и перепродают страховым. Одной владелице Camaro после 603 записей о её поездках подняли страховку на 80%. Там в итоге был громкий суд, GM впаяли огромный штраф и запретили так делать. Но вообще, для любой телематики это вполне обычная бизнес-модель. Водитель = товар, а не клиент, ну классика. Получается, Wheelz берёт $40 в год даже не за модные драйв-карточки для шаринга, а чтобы ваши данные увидели кореша в сторисах, а не страховая или полиция. Ящитаю, каждый сервис должен продавать фичу: "Оформите платную подписку, чтобы мы не продавали ваши данные. И больше ничего 👍" P.S. Гонять на машине и превышать скорость автор не рекомендует. И вообще, автор всё плохое не рекомендует, а всё хорошее рекомендует. Дизраптор

💢 Это полный OPUS Друзья, сил моих больше нет. Те, кто давно на канале, помнят мои периоды лютой ненависти к Anthropic и Claude Code. Кто-то в комментах писал, мол, Илья опять спички считает. Так вот спички - штука упрямая. Они всё время сходятся. Писал с выгрузкой из JSONL и таблицей по неделям. Писал про дежавю, когда модель тупеет аккурат к релизу новой. Писал, как лимиты на плане за 200 кончаются за три дня до сброса. И каждый раз первая мысль - «ну показалось, мозг штука ненадёжная». И каждый раз оказывалось - не показалось. И вот сейчас я снова горю. Только теперь даже не чувствую, а вижу: моя работа буквально не работает. Что происходит Opus 5.5 за эти две недели деградировал так, что работать невозможно. Та же настройка, те же правила и скиллы, что неделю назад собирали по 6 программ за пару дней. А теперь: ➡️ читает мои правила, пересказывает их мне - и тут же нарушает; ➡️ делает то, что я не разрешал: сменил движок сразу в пяти программах, запустил платный API моим ключом, снёс 1337 файлов; ➡️ удаляет файлы мимо корзины, забивает диск под ноль, лезет туда, куда запрещено; ➡️ вместо простого «убери дубли по имени» городит агента с нейроотпечатками и рапортует «3486 новых дикторов»; ➡️ после сжатия контекста ведёт себя как будто первый раз видит проект - заново переделывает готовое; ➡️ врёт в лицо: пишет «видеокарта на 15%», а на скрине 74%; «я ничего не создаю, только ищу» - а сам клонирует репозитории; ➡️ отчитывается «готово», когда сделана половина. И за всё это я плачу 200 баксов в месяц. И пожаловаться некому Я написал в поддержку. Бот Fin сначала заявил, что платного аккаунта у меня нет. Скинул ему чеки - снова «подписок не нашёл». Потом из-под залогиненного аккаунта он признал, что подписка всё-таки есть, и закрыл обращение фразой «ответ окончательный». Живого человека я не добился ни разу. За 200 долларов в месяц поговорить не с кем. Дошло до того, что я завёл issue на гитхабе Собрал туда цифры, транскрипты, больше 20 отчётов за одну неделю. Если вы ловите то же самое - идите, лайкните и напишите свои проблемы, вот оно. Один нытик в интернете - это нытик. Триста человек с выгрузками по своим аккаунтам - уже разговор. И знаете, что бесит сильнее всего? Выбора-то нет. ChatGPT сейчас стал ещё хуже, уходить некуда. Сидишь и терпишь. А самое паскудное вот что. Уровень, до которого они нерфят модель, ниже, чем была предыдущая модель. То есть новый Opus после всех «оптимизаций» тупее старого. Ты платишь за флагман, а получаешь то, что хуже вчерашнего. И работа от этого валится нафиг. Напишите в комментах - у вас так же, или мне одному так везёт? Всех обнял, увидимся на стриме всегда ваш - Nerual Dreming ❤️

Рынок проверяют до разработки. Ну, обычно… На этой неделе ко мне за менторством пришла новая команда. Первый звонок был ознакомительный: ребята рассказывали про себя, свою компанию и продукты. И на одном продукте я зацепилась. Они сделали его сначала для себя, потом начали продавать клиентам. И уже после разработки стало понятно, что рынок маленький, а цикл сделки очень тяжёлый. Я спросила: а как вообще так получается? Продукт готов, а потом выясняется, что рынок маленький. Мне не хотелось устраивать разбор полётов, я правда пыталась понять логику. Ответ был прост: тогда никто не оценивал рынок. Продукт рождался внутри как инхаус-разработка. И это так знакомо. Мне кажется, это одна из самых частых историй у фаундеров. Сначала мы влюбляемся в то, что строим, а потом идём искать, кому это продать. Поэтому вот что я сама делаю, прежде чем что-то разрабатывать: 1. Сначала продаю, потом строю. Мне всегда важно проверить ценность с потенциальным покупателем. Если человек готов заплатить за описание, презентацию или пилот, тогда уже можно строить. 2. Беру готовое под капотом. Не обязательно сразу писать своё. Можно взять готовый инструмент, собрать на нём решение и научиться продавать. Своё можно сделать потом, когда понятно, что это покупают. 3. Делаю тест за ночь, а не за полгода. Недавно наши ребята собрали тестовую версию нового продукта буквально за ночь, чтобы сразу посмотреть реакцию людей. Сейчас AI позволяет проверить гипотезу очень быстро, и грех этим не пользоваться. 4. Сужаю до одной проблемы. Чем конкретнее проблема и клиент, тем быстрее понятно, есть рынок или нет. Широкое «для всех» проверить почти невозможно. И да, мы сами так делали. Недавно решили не развивать свой чат-интерфейс, потому что Claude и другие модели уже делают это лучше. Было жалко, честно) Но деньги приносит не интерфейс. Я до сих пор не уверена, где та грань, когда своя разработка правда нужна, а когда это просто приятнее, чем идти продавать. А у вас был продукт, который вы сначала построили, а потом поняли, что продавать его некому? «❤️», если было полезно

[Сравнение Crime Empire VS MGH] Подъехали первые результаты запуска Crime Empire, нашей 4х стратегии пока без 4х. Мы сравниваем статистику с нашим прошлым флагманом: Merge Gangster Heist. Посмотрите на картинку. — По России заметен прирост плейтайма, количества сессий и удержания. Но не сильно значительно. — А вот по США просто прорыв. Таймспент на третий день в 3 раза больше: 49 против 16 минут. Статистика взята из Adjust, так что не обращайте внимание на низкий Retention. Он там по-своему считает, не так как Яндекс Метрика или Firebasе. Но пока выводы делать рано! Слишком мало данных. В игру поиграло буквально 1000 человек. Чтобы увидеть ощутимые результаты — надо запускать закупку. Выпускаем апдейт и начинаем закупать первый трафик. На больших цифрах сделаю еще один постик. PS: ждете результатов Некст Феста? Скажем, они неожиданные. Но стим пока не подвел итоги, жду апдейта и выкладываю.

Чтобы не быть голословным, вот области, в которых я вижу как страдает человечество из-за устаревших программных продуктов, и страдать осталось недолго: CAD: проектирование инженерных деталей. Fusion 360 через MCP - убого, облачно, дорого. Альтернативу я уже потестировал: SolidCraft MCP от tangency-labs - свежий продукт, который существует меньше месяца, а уже значительно лучше Fusion в плане интеграции с агентом и позволяет делать нормальные вещи. DAW: Ableton Live - мощнейший софт для создания музыки. Мейнтейнеры агентских интерфейсов к Ableton прямо признают, что Ableton в своем API не раскрывает кучу моментов, которые позволили бы сделать более удобный агентский интерфейс (см. Producer Pal в Github). SoundCraft от ArtCraft пока не пробовал, похоже он еще очень сырой и до него не доходят токены пока - но тут MCP тоже уже на уровне ДНК, аналогично PhotoCraft. Ждем. Графика: ну, вы поняли. Раньше мы или должны были брутфорсить нано банану, заспамливая его своими текстовыми запросами, в лучшем случае что-то там подрисовывая кисточкой для масок, или уж рисуйте все с нуля сами. Еще был вариант попросить клода сделать HTML а потом рендерить в PNG через Playwright - тоже костыль. Видеопродакшн: пока кто-то брутфорсит напрямую видеомодели дорогими промптами, а та выдает рандомные результаты, умные люди уже начали сначала просить Клода сделать сцену в Блендере (грубо, там только ездит камера и расположены заготовки для объектов) а уже потом такая болванка после отсмотра человеком (и многократных правок - дешевых и быстрых) уходит на финальный продакшн в видео-модель. Этот подход к работе - гибридный, позволяющий объединить сильные стороны агента и живого человека, и он до сих пор не был реализован нормально. Ты или агента просишь наверстать HTML а потом ему говоришь "а теперь подвинь на 10 пикселей строчку" computer use - наиболее близкий аналог - при всех громких заявлениях последних лет и месяцев - работает крайне херово и жгет невероятное количество токенов, и является костылем и промежуточным этапом пока десктопный софт не подготовился к настоящей агентской работе. FreeCAD рушится, когда Claude пытается через accessibility инструменты MacOS его использовать. Универсальный протокол. Универсально хуевый в каждой поставленной задаче. Jack of all trades, master of none.

↓↓↓ Forward Deployed Product Manager Менеджер по продукту, работающий непосредственно с клиентом (FDPM) — работает в компании-поставщике и взаимодействующий с пользователями продукта для обеспечения его успешного функционирования в данной организации. Он принадлежит одной компании, но интегрирован в другую, и отвечает за эффективность работы продукта в среде конкретного клиента. В зависимости от компании, FDPM может обслуживать как одного клиента, так и небольшой портфель клиентов. Суть работы Заключается в непосредственном контакте с командой. Вместо того чтобы полагаться на интервью, заявки в службу поддержки, менеджер видит, как возникает проблема и как люди в настоящее время ее решают. Он сталкивается с проблемой, а не просто слышит о ней рассказы. Дальше: - Прототипирование - Результат FDE vs FDPM 1. FDE отвечает за "как", FDPM за "что" и "почему" 2. принимает решение о том, как следует изменить сам продукт, исходя из результатов этих реализаций. 3. несет ответственность за результаты и обязан передавать полученные знания обратно в разработку продукта. AI PM vs FDPM Менеджер по ИИ продукту: разрабатывает ИИ фичи для рынка. Менеджер по продуктам в области ИИ фокусируется на том, чтобы продукт работал для конкретных клиентов. Затем выполняет две задачи: 1. определяет, что обеспечит успех этому клиенту, часто путем настройки платформы и создания прототипов работающих решений с реальными пользователями. 2. передает полученные знания команде, разрабатывающей основной продукт, чтобы от этого выиграли все остальные клиенты. Большинство FDPM работают вместе с инженером по внедрению решений (FDE), который отвечает за техническую составляющую, в то время как FDPM отвечает за потребности клиента и их обоснование. Спрос На сайте The Bench , посвященном европейским технологическим компаниям, к концу июля 2026 года было зарегистрировано 170 вакансий с пометкой «Внедрение на перспективу» в 98 компаниях. Количество новых вакансий выросло с одной в январе до 62 в июле. Большинство из них – инженерные должности, и The Bench обнаружил множество вакансий под другими названиями, поэтому должности FDPM представляют собой подгруппу. Хотя они и заметны: Scale AI, Salesforce и Adobe входят в число компаний, размещающих объявления о таких вакансиях. 🎞 Интересный ролик — ИИ пишет код. Что же остается инженерам? — самое сложное: понять в чем заключается проблема. Google APM program выпускает по 50 чел/год, а нужно около 12 000.

Netflix столкнулся с экзистенциальной проблемой — подписчики перестали расти, а текущие либо проводят меньше времени в приложении, либо вообще перестают пользоваться сервисом. Сейчас стриминг пытается решить проблему увольнениями и заменой ключевых менеджеров, ответственных за контент, на новых, чтобы сделать ставку на премиальный контент и громкие франшизы Однако проблема кроется глубже — на Netflix и так много контента, просто стриминг часто промахивается. Компания регулярно делала ставку на громкие франшизы с нулевым выхлопом, но при этом слишком рано закрывала проекты, которые действительно нравились аудитории 🍞 В результате зрители вместо того, чтобы копаться в библиотеке неудачных проектов, идут смотреть бесплатный YouTube, TikTok, reels и ждать, пока там что-то завирусится, чтобы точечно потратить время. Параллельно с этим регулярное повышение цен начало раздражать пользователей, так как подписка дорожает, а качество вместе с этим — нет В результате Netflix скорее уволил козлов отпущения, чем реально решил проблему, которая заключается в том, что сервис стал дорогим, перегруженным и не всегда нужным даже ЦА 😼

Shit to be done Если вы пробовали на практике применять различные продуктовые фреймворки, то знаете, что они работают только наполовину. Ровно на ту, где ты делаешь все по учебнику и получаешь что-то на выходе. А на вторую половину, где в кассе становится больше денег, они почему-то не работают. Почему так? Предположим, ты решил, что у клиента есть какая-то проблема и ее можно как-то решить. Какую проблему решаем и почему - не дожал. Распланировал спринты, дейлики, проходишься по статусу. Чето зарелизили. По пути половину выкинули, так как не уложились в дедлайн, а там поджимают следующие мутные задачи. Для кого зарелизили - непонятно, анонсировали фичу через жопу, какие-то врехнеуровневые метрики посмотрели. Ничего не дернулось, фичу признали неудачной и пошли на новый круг тратить бабки компании. Поэтому я решил, что вместо мутных фреймворков у меня будет свой: Shit to be done. Он заключается в том, что ты берешь реальную проблему своих клиентов и решаешь ее так, чтобы они плакали от счастья. Нормально продумываешь маркетинг, четко понимаешь что и для кого делаешь, понимаешь откуда возьмется траф. Иногда оказывается так, что ты никак не можешь решить проблему клиента лучше, чем конкурент. Не выходит каменный цветок по какой-то причине. Поставь себе дедлайн, когда ты сдашься. Например, через полгода. Если ничего не поменяется - двигайся дальше. Жизнь слишком коротка, чтобы тратить ее на то, что не заводится.

ИТ пересборка. Часть 1. ИИ ускоряет разработку. Но ускоряет ли он Delivery? Мы привыкли обсуждать, какие ИТ-профессии заменит искусственный интеллект. А мне кажется, что вопрос гораздо интереснее. ИИ меняет не отдельные профессии, а саму модель производства ИТ-продуктов. Недавно я участвовала в трансформации Delivery. Наша задача была пересмотреть производственный процесс, найти узкие места и сократить Time to Market. Мы исследовали весь путь: от идеи и требований до архитектуры, разработки, тестирования и релиза. Возможно ли отказаться от классического Delivery в пользу ИИ? Здесь обнаружилось несколько проблем. Во-первых, экономика. Большое количество агентов, которые генерируют код, проверяют друг друга, исправляют ошибки и обмениваются контекстом, может потреблять огромное количество токенов. И это не всегда дешевле работы людей. Во-вторых, качество. Быстро собрать MVP для небольшой аудитории и создать высоконагруженную банковскую систему - совершенно разные задачи. В-третьих, сам Delivery. Ускорение написания кода не означает такого же ускорения выпуска продукта. И вот моя гипотеза: нам не нужно создавать цифровую копию каждой существующей ИТ-роли. Нам нужно пересобрать сам производственный процесс. А кто тогда вообще должен остаться в продуктовой команде? В следующей части разберём роли, которые могут исчезнуть, объединиться или, наоборот, стать ещё важнее. https://t.me/kruasanova_as Не всё уже пишет сама, но всегда полезное. #ИИ #Delivery #ТрансформацияИТ #kruasanovaproit